Sveriges AI-utveckling gynnas av samarbete och partnerskap

Ai, AMD Reading time: Reading time: Lästid: Lukemisen aika: Læsningstid Leestijd Lesetid 5 minutes minutes minuter minuuttia minutter minuten minutter

AI Swedens Edge Learning Lab i Göteborg gör det möjligt för företag i olika branscher och länder att samarbeta inom AI-utveckling på helt nya sätt. Och HPE:s flexibla IT-infrastruktur spelar en nyckelroll i satsningen.

AI Sweden är Sveriges nationella center för artificiell intelligens. Deras Edge Learning Lab lanserades 2021, och verkar i gränslandet till ett av de mest spännande områdena inom AI. Mats Nordlund som är chef för Data Factory på AI Sweden berättar att labbet bildades som en katalysator för att påskynda utvecklingen och tillämpningen av AI.

AI Swedens Edge lab fungerar som en testbädd där forskare från olika företag och organisationer kan träffas, experimentera samt dela erfarenheter och idéer kring nyttjande av kraften från AI. Här fokuserar man på samspelet mellan AI-system, hårdvara och infrastruktur, medan andra AI-forskningscentra ofta fokuserar på utvecklingen av nya algoritmer.

Läs mer om AI Swedens Edge Learning Lab här.

Fokuserar på samspelet

Mats Nordlund, chef för Data Factory på AI Sweden.

Drivkraften till att bilda labbet kom från AI Swedens arbete inom fordonsindustrin, där forskare brottades med utmaningen att överföra och bearbeta de datamängder som skapas utanför datacentret i det som vi kallar Edge.

– Vi såg att den dåvarande inriktningen på infrastruktursidan, att bara satsa på större och större datacenter och samla in mer och mer data, inte var en hållbar väg att gå, berättar Mats.

– Vi förutsåg också problem med restriktioner för dataöverföring mellan länder. Kinesiska data kan till exempel inte överföras från Kina, och GDPR i Europa medför också begränsningar.

Medan traditionella AI-system samlar in och överför data till ett centralt datacenter där själva bearbetningen sker bidrar AI Swedens Edge lab till att data inte behöver resa lika långt. Detta på grund av att resultaten sammanställs av en central aggregator som istället skapar en “supermodell” av all data.

Det innebär att behovet av beräkningsresurser minskar och gör det möjligt att utveckla AI-modeller som kombinerar data från olika källor. Förändringar i infrastrukturen påverkar algoritmen, och detsamma gäller även åt andra hållet. Tillsammans med partners som HPE, som levererar infrastrukturen till AI Swedens Edge Lab, kan algoritmer och infrastruktur utvecklas parallellt. I slutändan bidrar det även till en hel del fördelar när det kommer till data managering, både från ett ekonomiskt och miljömässigt perspektiv.

Klicka här för mer information om HPEs erbjudande inom AI.

En kombination av expertis och teknik

Lovande forskningsresultat inom edge learning la grunden för att en kärntrupp av AI Sweden-partners – HPE, Volvo Cars, Ericsson och Zenseact – beslutade att gå samman för att utveckla AI Swedens Edge Lab. Förutom expertis skulle det finnas all beräknings-, lagrings- och nätverksinfrastruktur som behövs för att bedriva spjutspetsforskning.

Labbet byggdes på bara tre månader och HPE har varit en viktig aktör från start då de bidragit med utrustning såsom serverkraft, nätverksinfrastruktur och mjukvara för decentraliserad machine learning, men även erfarenhet och avancerad expertis inom olika AI projekt.

– HPE har visat ett starkt engagemang och tillfört kunskap om hur man implementerar den arkitektur som behövs för att få ett edge learning-system att fungera, säger Mats Nordlund och fortsätter.

– Vi tar reda på hur man snabbt får tekniken att generera det önskade affärsvärdet, och hur man ska uppdatera och underhålla AI-modeller. När saker förändras måste man lära om på nytt.

En annan framgångsfaktor är att labbets infrastruktur är byggd på standardplattformar och standardutrustning som partnerföretagen använder till vardags, som till exempel HPE Edgeline Converged Edge Systems och edge-to-cloud-arkitektur. Det säkerställer att resultaten av de experiment som genomförs i labben kan delas och replikeras i olika branscher.

Tillsammans med partners har AI Sweden banat vägen för ett nytt sätt att innovera.

Mats Nordlund, chef för Data Factory på AI Sweden.

Genom att arbeta med hårdvara baserad på AMDs senaste processorteknik kan labbet dessutom arbeta hållbart och energieffektivt utan att det går ut över vare sig säkerhet eller beräkningsprestanda.

– Energieffektivitet är viktigt eftersom det öppnar upp för nya tillämpningsområden och möjligheter för edge learning, säger Mats Nordlund.

Läs mer här om AI Swedens Edge Learning Lab och hur HPE har bidragit till utvecklingen av olika AI-projekt.

Banar väg för branschöverskridande samarbeten

Den kanske viktigaste effekten av Edge Learning lab i Göteborg har varit de nya samarbetsmöjligheter det skapar. När AI Swedens partners från fordonsindustrin diskuterade utmaningarna med representanter från andra branscher blev det tydligt att de stod inför samma problem. Sjukhus skulle till exempel kunna påskynda arbetet med AI-driven diagnostik och behandling om de bara kunde sammanföra data från olika källor, men patientsekretess och lagstiftning gjorde det svårt att genomföra.

– Tillsammans med partners har AI Sweden banat vägen för ett nytt sätt att innovera. Lärande går snabbt, både för lokala och globala organisationer, och de omsätter snabbt den nya kunskapen i praktiken, säger Mats Nordlund.

De som väljer att nyttja labbet och dess möjligheter gör det för att lösa saker som traditionella AI-modeller inte klarar av. Dessutom går det snabbare att starta ett nytt projekt eftersom all utrustning redan finns på plats. Företag och organisationer från olika branscher och från olika länder kan samverka utan att regelverk och konkurrens kommer i vägen. Edge Learning Lab kan vara ett centrum för internationellt samarbete och förändrar sättet vi jobbar tillsammans.

Snabba fakta:

På AI Swedens Edge Learning Lab har man redan utvecklat teknik som gör det möjligt för företag inom den svenska skogsindustrin att använda AI-system för att lokalisera och övervaka angrepp av granbarkborrar, utan att dela känsliga affärsdata. Det möjliggör också för AI-system i satelliter att träna modeller utan att lasta ner bandbredden med datatrafik. Det utvecklas också en mer hållbar infrastruktur för system för självkörande bilar som nyttjar datorresurserna som finns i fordonet.


Relatert Lue seuraavaksi Relaterat Relateret Gerelateerd Related